Análise do grau de competição

import pandas as pd
import networkx as nx
import matplotlib.pyplot as plt

Mensurando o nível de competitividade dentro de uma licitação

O grau de competição é calculado a partir da relação entre o número de componentes conexas e o total de vértices em um grafo. No contexto das licitações, cada vértice representa um CNPJ distinto e cada componente conexa representa um grupo de CNPJs relacionados considerando um dado vínculo (societário, endereço, telefone...).

Essa métrica permite um ordenamento parcial entre as licitações. Com isso, facilita-se a identificação daquelas onde há maior potencial de alguma forma de conluio.

Importando os dados utilizados na análise:

df = pd.read_pickle('../data/output/csv/grau_competicao')
dfv = df.drop(['cnpjs', 'vinculo_em_uso', 'grafo'], axis=1)

Visualizando as licitações com menor grau de competição

Ordenamos os dados de forma crescente fazendo com que as licitações com menor competitividade apareçam no topo dos resultados. No exemplo abaixo é possível visualizar 5 dessas licitações e informações associadas a cada uma.

dfv.sort_values(by=['grauCompeticao']).head(5)

	ano	municipio	modalidade	licitacao	valor	grauCompeticao	densidade
175822	2015	Abaeté	Pregão Presencial	985568	881100.0	0.250000	1.000000
223839	2018	Juvenília	Pregão Presencial	817707	826870.0	0.333333	0.666667
33570	2015	Bom Despacho	Pregão Presencial	718648	254985.4	0.333333	1.000000
176011	2018	Abaeté	Pregão Presencial	985703	268902.62	0.333333	1.000000
142000	2015	Santana do Jacaré	Convite	904182	29686.95	0.333333	0.666667

Podemos visualizar então, por exemplo, o grafo da licitação 985568, aquela com menor grau de competição. Observando o grafo gerado, verifica-se que todos os participantes dessa licitação estão relacionados entre si.

plt.figure(figsize=(10, 5))
nx.draw(df.iloc[175822]['grafo'], with_labels=True)
plt.title("Grafo da licitação 175822")
plt.draw()

Visualizando licitações com maior grau de competição.

Repetimos o procedimento acima, agora para a identificação das licitações com maior grau de competição. Abaixo, verifica-se que o grau de competição com valor 1 (total) está associado a uma densidade nula, ou seja, não há qualquer conexão entre os cnpjs participantes.

dfv.sort_values(by=['grauCompeticao'], ascending=False).head(5)

	ano	municipio	modalidade	licitacao	valor	grauCompeticao	densidade
0	2015	Cascalho Rico	Pregão Presencial	746396	1190070.0	1.0	0.0
172536	2017	Carmo do Paranaíba	Pregão Presencial	743854	16960.0	1.0	0.0
172522	2016	Carmo do Paranaíba	Pregão Presencial	743846	99763.527	1.0	0.0
172523	2016	Carmo do Paranaíba	Pregão Presencial	743847	41582.0	1.0	0.0
172524	2016	Carmo do Paranaíba	Pregão Presencial	743848	6382.0	1.0	0.0

Podemos visualizar qualquer uma dessas licitações. Selecionamos, por exemplo, a licitação 743846. É possível verificar que não há qualquer conexão, representada por uma linha entre os pontos, entre os cnpjs participantes.

plt.figure(figsize=(10, 5))
nx.draw(df.iloc[172522]['grafo'], with_labels=True)
plt.title("Grafo da licitação 743846")
plt.draw()

Histograma do grau de competição

import plotly.express as px
fig = px.histogram(df, x='grauCompeticao', log_y=True, nbins=5,
                   title="Número de licitações por grau de competição",
                   labels={
                   'grauCompeticao' : "grau de competição"
                   }
                  )
fig.update_xaxes(visible=True, showticklabels=True)
fig.update_yaxes(title='número de licitacoes')
fig.show()